[240208] 모두의연구소가 전하는 “모두를 위한 SW/AI 뉴스”

모두의연구소는 지식을 나누며 함께 성장하는 국내 최대 AI 커뮤니티입니다.

1. 데이터 사이언티스트를 위한 SQL 100가지 쿼리
이 글에서는 데이터베이스와 데이터베이스 관리자 간의 중요한 차이점부터 시작하여, SQL을 활용한 데이터 선택, 필터링, 정렬, 그룹화, 집계 방법을 자세히 다룹니다. 또한, 테이블을 정의하고 레코드를 조작하는 방법, 다양한 조인 유형과 윈도우 함수를 사용하여 인접 행을 처리하는 방법, 트랜잭션과 트리거의 이해, JSON 데이터의 SQL을 통한 조작 방법, 그리고 파이썬을 사용한 데이터베이스와의 직접적인 상호작용에 이르기까지, 데이터 사이언스의 핵심을 이루는 다양한 주제들을 살펴볼 수 있습니다.
https://gvwilson.github.io/sql-tutorial/

2. SpringBoot vs Quarkus vs Micronaut
자바 어플리케이션 개발을 위한 인기 프레임워크 비교! 이번 글에서는 마이크로서비스와 REST API 개발에 적합한 세 가지 주요 자바 프레임워크인 SpringBoot, Quarkus, 그리고 Micronaut을 비교해보겠습니다. SpringBoot는 이들 중 가장 오래되고 인기 있는 프레임워크입니다. 반면, Quarkus와 Micronaut은 최근에 등장한 프레임워크로, 현대 어플리케이션의 요구사항과 클라우드 인프라의 발전을 고려하여 특별히 개발되었습니다. 이 글을 통해 각 프레임워크의 특징과 장점을 자세히 알아보세요.
https://www.unlogged.io/post/springboot-vs-quarkus-vs-micronaut

3. 모든걸 삼켜버릴 BlackMamba! SSM과 MoE의 결합으로 언어 모델링의 새로운 지평을 여는 모델
BlackMamba는 상태 공간 모델(SSM)과 전문가 혼합(MoE) 모델의 장점을 결합한 새로운 언어 모델로, 언어 모델링과 긴 시퀀스 처리에서 뛰어난 성능을 보여줍니다. 이 모델은 시퀀스 길이에 따른 선형 시간 및 메모리 복잡성을 달성하고, 추론 및 훈련의 효율성을 개선합니다. 300억 개의 토큰으로 구성된 데이터 세트에서 훈련된 BlackMamba는 모든 가중치와 코드를 오픈소스로 제공하며, SSM과 MoE의 결합된 장점을 통해 언어 모델링 분야에 새로운 기준을 제시합니다.
https://huggingface.co/papers/2402.01771

4. SSM을 활용한 언어 모델링의 혁신: ICL 성능 향상을 위한 하이브리드 접근법
언어 모델링에서 트랜스포머의 대안으로 제안된 상태 공간 모델(SSM)은 게이트, 컨볼루션, 입력 의존적 토큰 선택을 통합하여 다중 헤드 주의의 이차적 비용을 완화합니다. SSM은 경쟁력 있는 성능을 보이지만, 컨텍스트 내 학습(ICL) 기능은 아직 충분히 연구되지 않았습니다. 연구 결과, SSM은 트랜스포머와 비슷한 ICL 성능을 보였으나, 비표준 검색 기능이 포함된 작업에서 성능이 떨어지는 것으로 나타났습니다. 이를 극복하기 위해 SSM과 주의집중 블록을 결합한 하이브리드 모델을 도입하여 언어 모델에서 ICL을 향상시킬 수 있는 새로운 방법을 제시합니다.
https://huggingface.co/papers/2402.04248

----

국내 최초 Flutter 도서 ‘생존코딩’ 오준석 저자의 마지막 직강!
🔥 놓치지 마세요! ► https://bit.ly/482TuPf